Parameter optimization, shaking table test, and intelligent response prediction of adjacent structures connected by viscous dampers

Stellen Sie sich zwei hohe Gebäude vor, die direkt nebeneinander stehen, in einer belebten Stadt. Wenn der Boden während eines Erdbebens zu beben beginnt, wackeln diese Gebäude nicht einfach nur; sie tanzen zu ihren eigenen, einzigartigen Rhythmen. Wenn ein Gebäude hoch und steif ist, während sein Nachbar kürzer und flexibler ist, könnten sie aus dem Takt geraten. Dies ist ein wenig so, wie zwei Tänzer, die versuchen, sich gemeinsam zu bewegen, aber sich gegenseitig auf die Füße treten, was zu einer schmerzhaften Kollision oder einem „Pounding“ (Schlagwirkung) führen kann, das beide Strukturen beschädigt. Ingenieure wissen schon lange, dass das Hinzufügen eines Stoßdämpfers – wie ein riesiger, hochtechnisierter Autodämpfer – zwischen den Gebäuden helfen kann, sie in Harmonie zu bewegen und die Schüttelenergie aufzusaugen. Aber hier liegt der knifflige Teil: genau zu bestimmen, wo man diese Dämpfer platziert und wie stark sie sein müssen, ist ein massives Rätsel. Wenn man falsch rät, helfen die Dämpfer vielleicht gar nicht oder sie könnten die Situation sogar verschlimmern. Dies ist die Herausforderung, vor der Forscher stehen: wie man diese „seismischen Stoßabsorber“ perfekt abstimmt, damit benachbarte Gebäude während eines Bebens sicher und stabil bleiben.

In dieser Studie beschloss ein Team von Forschern der Fuzhou University, dieses Rätsel mit einer Mischung aus super-intelligenter Computermathematik, physikalischen Experimenten und künstlicher Intelligenz zu lösen. Sie begannen damit, einen digitalen Zwilling zweier benachbarter Türme zu erstellen – einer ist 15 Stockwerke hoch und der andere 7 Stockwerke – und nutzten einen „genetischen Algorithmus“ (denken Sie an einen digitalen Evolutionsprozess, der tausende von zufälligen Dämpfer-Konfigurationen ausprobiert und nur die besten behält), um das perfekte Rezept zu finden. Sie entdeckten, dass das Platzieren von Dämpfern an spezifischen Etagen und die Abstimmung ihrer Stärke das Schwanken der Gebäude erheblich reduzieren konnte. Um sicherzustellen, dass ihre Computermathematik nicht nur eine Fantasie war, bauten sie ein winziges, 1/20-maßstäbliches Modell dieser Türme und testeten es auf einem riesigen Schütteltisch in einem Labor. Die Ergebnisse waren vielversprechend: Das reale Modell verhielt sich fast exakt so, wie der Computer es vorhersagte, und das Hinzufügen von Dämpfern reduzierte das Schwanken der Spitze des Hauptturms um bis zu 35 % und die der Spitze des kleineren Turms um fast 49 %.

Doch die Forscher hörten dort nicht auf. Sie erkannten, dass es zu langsam ist, jedes Mal eine komplexe Computersimulation durchzuführen, wenn ein neues Erdbeben auftritt. Deshalb brachten sie einem „intelligenten“ Computergehirn (einem neuronalen Netzwerk) bei, die Reaktion der Gebäude in einem Augenblick vorherzusagen. Indem sie die KI mit tausenden von Szenarien aus ihren Experimenten fütterten, schufen sie ein Modell, das die maximale Erschütterung und das Schwanken der Gebäude mit einer Genauigkeit von über 92 % fast augenblicklich vorhersagen konnte. Ihre Arbeit legt nahe, dass die Verwendung mehrerer Dämpfer an verschiedenen Stellen besser funktioniert als nur einer, und dass diese kluge Kombination aus Optimierung, physikalischen Tests und KI-Vorhersage eine kraftvolle neue Möglichkeit bietet, unsere Städte sicher zu halten, wenn der Boden sich bewegt.

Die digitale Evolution und der physikalische Test

Die Forscher gingen das Problem an, zwei unterschiedlich große Gebäude (eine 15-stöckige „Hauptstruktur“ und eine 7-stöckige „Substruktur“) mit viskosen Dämpfern zu verbinden. Sie wussten, dass es nicht ausreicht, einfach nur zu raten, wo die Dämpfer platziert werden sollen. Stattdessen bauten sie ein hochentwickeltes System, das MATLAB (eine Mathematik-Software) mit SAP2000 (einem Programm für Strukturtechnik) kombinierte. Sie verwendeten einen Genetischen Algorithmus (GA), der ein wenig wie die natürliche Selektion funktioniert. Stellen Sie sich einen Computer vor, der tausende von zufälligen Ideen generiert, wo Dämpfer platziert werden sollen und wie stark sie sein sollten. Er „testet“ diese Ideen dann in einer virtuellen Welt. Die Ideen, die am besten funktionieren – das heißt, die das Schwanken am stärksten reduzieren – werden behalten und „gekreuzt“, um in der nächsten Runde noch bessere Ideen zu erzeugen. Dieser Prozess wiederholt sich, bis der Computer die absolut beste Konfiguration findet.

Sie testeten zwei Hauptszenarien:

1. ASVD-1: Ein System mit einem einzigen Satz von Dämpfern.
2. ASVD-2: Ein System mit zwei Sätzen von Dämpfern, die an unterschiedlichen Orten platziert sind.

Der Computer ermittelte, dass für die spezifischen Türme, die sie untersuchten, der beste Standort für einen einzelnen Dämpfer im 7. Stockwerk lag, während das beste Zwei-Dämpfer-Setup darin bestand, sie im 1. und 7. Stockwerk zu platzieren. Die optimale „Stärke“ (Dämpfungskoeffizient) variierte je nach Art des Erdbebens und reichte von 260 Ns/mm bis 34 own 340 Ns/mm.

Der reale Aufruhr

Um zu beweisen, dass ihr Computer nicht nur träumte, baute das Team ein physisches Modell. Sie konstruierten einen 15-stöckigen Hauptturm und eine 7-stöckige Substruktur aus Mikro-Beton-Scherwänden und Kupferrahmen, maßstäblich 1/20 der Größe eines echten Gebäudes. Sie platzierten dieses Modell auf einem massiven Schütteltisch, der in der Lage ist, echte Erdbeben zu simulieren. Sie testeten das Modell mit drei verschiedenen berühmten Erdbebenaufzeichnungen: El Centro, San Fernando und SHW2.

Die Ergebnisse vom Schütteltisch waren ein großer Erfolg. Das Verhalten des physischen Modells stimmte unglaublich gut mit den Vorhersagen des Computers überein. Die natürlichen „Vibrationsfrequenzen“ des echten Modells unterschieden sich um weniger als 5 % vom Computermodell, und die tatsächlichen Schüttelreaktionen (wie stark sich die Stockwerke bewegten) lagen innerhalb von 10 % der Simulation. Dies gab den Forschern eine hohe Zuversicht, dass ihre digitale Optimierungsmethode zuverlässig ist.

Beim Vergleich der gedämpften Gebäude mit den ungedämpften Gebäuden waren die Verbesserungen deutlich:

• Unter dem El Centro Erdbeben: Das Einzel-Dämpfer-System (ASVD-1) reduzierte die Auslenkung der Spitze des Hauptturms um 27,33 % und die Beschleunigung um 24,01 %. Das Doppel-Dämpfer-System (ASVD-2) schnitt noch besser ab und reduzierte die Auslenkung um 35,69 % und die Beschleunigung um 26,98 %. Der kleinere Turm sah sogar noch größere Gewinne: Die Auslenkung sank mit dem Doppel-Dämpfer-Setup um fast 49 %.
• Unter dem San Fernando Erdbeben: Das Doppel-Dämpfer-System reduzierte die Auslenkung des Hauptturms um 47,68 % und die Beschleunigung um 19,14 %.
• Unter dem SHW2 Erdbeben: Das Doppel-Dämpfer-System reduzierte die Auslenkung des Hauptturms um 22,19 % und die Beschleunigung um 20,03 %.

Die Daten zeigten konsistent, dass ASVD-2 (das Zwei-Dämpfer-Setup) der Gewinner war. Es bot eine bessere Kontrolle über sowohl die Haupt- als auch die Substruktur als das Einzel-Dämpfer-Setup, was darauf hindeutet, dass das Verteilen der Dämpfer auf verschiedene Stockwerke hilft, die Gebäude effektiver zusammenarbeiten zu lassen, um gegen das Schwanken anzukämpfen.

Das Kristallorn: KI-Vorhersage

Während der genetische Algorithmus die besten Einstellungen fand, ist das Durchführen dieser komplexen Simulationen bei jedem neuen Erdbebenszenario zu zeitaufwendig. Um dies zu beschleunigen, entwickelten die Forscher ein SSA-BP-Neuronales Netz. Denken Sie an dies als ein „Kristallorn“, das auf den Daten ihrer Experimente und Simulationen trainiert wurde.

Sie speisten dieses KI-Modell mit einem massiven Datensatz, der 100 verschiedene Erdbebenaufzeichnungen (einschließlich Fernfeld-, Nahfeld- und Pulswellen) und verschiedene Dämpfer-Einstellungen enthielt. Die KI lernte, vier Schlüsselergebnisse vorherzusagen:

1. Maximale Auslenkung der Hauptstruktur (MSD).
2. Maximale Beschleunigung der Hauptstruktur (MSA).
3. Maximale Auslenkung der Substruktur (SD).
4. Maximale Beschleunigung der Substruktur (SA).

Die Ergebnisse waren beeindruckend. Das KI-Modell erreichte einen Bestimmtheitsmaß (R²) von über 0,92 für alle vier Ergebnisse sowohl in den Trainings- als auch in den Testdaten. In einfachen Worten bedeutet dies, dass die Vorhersagen der KI extrem nah an den tatsächlichen Ergebnissen lagen, mit sehr geringem Fehler. Zum Beispiel lag der mittlere absolute prozentuale Fehler (MAPE) bei der Vorhersage der Beschleunigung der Hauptstruktur bei etwa 8–9 %. Dies deutet darauf hin, dass Ingenieure in Zukunft dieses KI-Werkzeug nutzen könnten, um sofort vorherzusagen, wie gut ein Dämpfersystem funktionieren wird, ohne stundenlange, rechenintensive Computersimulationen durchführen zu müssen.

Das Fazit

Diese Studie legt nahe, dass die Verbindung benachbarter Gebäude mit viskosen Dämpfern eine hocheffektive Methode zur Reduzierung von Erdschäden ist, vorausgesetzt, die Dämpfer werden korrekt platziert und abgestimmt. Die Forscher fanden heraus, dass die Verwendung eines genetischen Algorithmus zur Optimierung der Dämpferpositionen und -stärken gut funktioniert, und dass die Verwendung von zwei Dämpfern an strategischen Positionen (wie im 1. und 7. Stockwerk in ihrem Modell) einem einzelnen Dämpfer überlegen ist. Sie verifizierten diese Ergebnisse mit realen Schütteltischtests und bestätigten damit, dass ihre Computermodelle präzise sind. Schließlich zeigten sie, dass ein KI-Modell aus diesen Ergebnissen lernen kann, um zukünftige Erdbebenreaktionen schnell und genau vorherzusagen, was ein vielversprechendes Werkzeug für eine sicherere und widerstandsfähigere Stadtplanung darstellt.